Variação de casos e obitos


Link do dataset: -caso_full.csv

OBS: os dados da ultima semana não indicam uma drastica redução, apenas que ainda não estão completos, já que a semana ainda não terminou.

Variação média de novos casos por semana

Variação média de novos obitos por semana

Testagens PB

Row

João Pessoa

# A tibble: 5 x 2
  tipo_teste                                            percentual
  <fct>                                                 <chr>     
1 TESTE RÁPIDO - ANTICORPO                              85%       
2 TESTE RÁPIDO - ANTÍGENO                               8%        
3 RT-PCR                                                7%        
4 Enzimaimunoensaio - ELISA IgM                         0%        
5 Imunoensaio por Eletroquimioluminescência - ECLIA IgG 0%        

Campina Grande

# A tibble: 5 x 2
  tipo_teste                                            percentual
  <fct>                                                 <chr>     
1 TESTE RÁPIDO - ANTICORPO                              85%       
2 TESTE RÁPIDO - ANTÍGENO                               8%        
3 RT-PCR                                                7%        
4 Enzimaimunoensaio - ELISA IgM                         0%        
5 Imunoensaio por Eletroquimioluminescência - ECLIA IgG 0%        

Row

Guarabira

# A tibble: 5 x 2
  tipo_teste                                            percentual
  <fct>                                                 <chr>     
1 TESTE RÁPIDO - ANTICORPO                              85%       
2 TESTE RÁPIDO - ANTÍGENO                               8%        
3 RT-PCR                                                7%        
4 Enzimaimunoensaio - ELISA IgM                         0%        
5 Imunoensaio por Eletroquimioluminescência - ECLIA IgG 0%        

Patos

# A tibble: 5 x 2
  tipo_teste                                            percentual
  <fct>                                                 <chr>     
1 TESTE RÁPIDO - ANTICORPO                              85%       
2 TESTE RÁPIDO - ANTÍGENO                               8%        
3 RT-PCR                                                7%        
4 Enzimaimunoensaio - ELISA IgM                         0%        
5 Imunoensaio por Eletroquimioluminescência - ECLIA IgG 0%        
---
title: "Projeto Final"
author: "Michael Oliveira"
date: "13/08/2020"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    social: menu
    source_code: embed
    theme: yeti
    logo: favicon.PNG
    vertical_layout: fill
---


Variação de casos e obitos {data-orientation=rows}
=====================================  

-------------------------------------
Link do dataset: -[caso_full.csv](https://data.brasil.io/dataset/covid19/_meta/list.html)

    OBS: os dados da ultima semana não indicam uma drastica redução, apenas que ainda não estão completos, já que a semana ainda não terminou.
    
### Variação média de novos casos por semana
```{r setup, include=FALSE}
library(tidyverse)
library(here)
library(lubridate)
library(scales)
library(forcats)
library(geobr)
library(readr)
library(sf)
library(plotly)

theme_plot = function(plot_entrada){
  
  plot_entrada + theme_dark() + theme(legend.title = element_blank(),
                                      legend.direction = "vertical")
}

dados_br <- read.csv(here("Analysis and Visualization of COVID-19 data with R/data","caso_full.csv")) %>%
  filter(place_type == "state") %>%
  mutate(mes = month(date),
         dia_da_semana = format.Date(as.Date(date), "%a"))
```
    
```{r}
dados_br_semana <- dados_br %>%
  group_by(epidemiological_week)%>%
  summarise(casos_acumulado = max(new_confirmed, na.rm = TRUE),
            casos_novos_media = mean(new_confirmed, na.rm = TRUE),
            casos_novos_total = sum(new_confirmed, na.rm = TRUE),
            obitos_acumulado = max(new_deaths, na.rm = TRUE),
            obitos_novos_media = mean(new_deaths, na.rm = TRUE),
            obitos_novos_total = sum(new_deaths, na.rm = TRUE),
            dias = n(),
            regiao = "Brasil")



dados_br_semana <- dados_br_semana %>%
  ungroup() %>%
  mutate(pico_casos_novos = casos_novos_media == max(casos_novos_media),
         pico_obitos_novos = obitos_novos_media == max(obitos_novos_media))


plot_um <- ggplot(dados_br_semana, aes(epidemiological_week, casos_novos_total,
                                       fill = casos_novos_total, 
                                       text = paste0(regiao, ": ",
                                                     casos_novos_total,
                                                     " casos"))) +
  geom_col() +
  scale_fill_viridis_c(option = "V") +
  labs(x = "Semanas epidemiológicas",
       y = "Média de casos novos semanais")

ggplotly(theme_plot(plot_um), tooltip = c("text"))
```
   
### Variação média de novos obitos por semana

```{r}

plot_dois <- ggplot(dados_br_semana, aes(epidemiological_week, obitos_novos_total,
                                         fill = obitos_novos_total, 
                                         text = paste0(regiao, ": ", 
                                                       obitos_novos_total, 
                                                       " obitos"))) +
  geom_col() +
  scale_fill_viridis_c(option = "V") +
  labs(x = "Semanas epidemiológicas",
       y = "Média de obitos por semana")

ggplotly(theme_plot(plot_dois), tooltip = c("text"))
```   

Testagens PB {data-orientation=rows}
=====================================     
   
Row {data-height=600}
-------------------------------------

```{r}

buscar_test_cidade <- function(cidade){
  municipio <- cidade
  tipo_test <- dados_pb %>% filter(!is.na(tipo_teste), !is.na(municipio)) %>%
  group_by(tipo_teste) %>%
  summarise(quantidade = n()) %>% 
  mutate(percentual = percent(quantidade / sum(quantidade), accuracy = 1)) %>%
  select(tipo_teste, percentual)
  return(tipo_test)
}
dados_pb <- read.csv2(here("Analysis and Visualization of COVID-19 data with R/data",
                           "dados-pb.csv"), stringsAsFactors = TRUE, 
                     fileEncoding = "latin1",
                     na.strings = c("undefined", "", "null")) %>%
  rename(id = 1) %>%
  janitor::clean_names() %>%
  mutate_at(vars(starts_with("data")), as_date)
```

### João Pessoa
    
```{r}
test_jp <- buscar_test_cidade("João Pessoa")
test_jp[order(test_jp$percentual, decreasing = TRUE),]
```

### Campina Grande
    
```{r}
test_cg <- buscar_test_cidade("Campina Grande")
test_cg[order(test_cg$percentual, decreasing = TRUE),]
``` 

Row
-------------------------------------

### Guarabira
    
```{r}
test_gba <- buscar_test_cidade("Guarabira")
test_gba[order(test_gba$percentual, decreasing = TRUE),]
```

### Patos
    
```{r}
test_pt <- buscar_test_cidade("Patos")
test_pt[order(test_pt$percentual, decreasing = TRUE),]
```